Verteilungsprognose für den Deutschen Aktienindex: Einsatz Neuronaler Netze

شبکه‌های عصبی نسبت به روش‌های متعارف پیش‌بینی بازار مالی در تمایز بسیاری از عوامل، حتی غیرخطی، مؤثر بر فعالیت بازار، مزایایی ارائه می‌دهند. آنها عمدتاً در زمینه پیش بینی ارزش مورد انتظار مبتنی بر زمان استفاده می شوند. سوزان باون استفاده های احتمالی از مدل های عصبی را در زمینه پیش بینی های توزیع مبتنی بر زمان تجزیه و تحلیل می کند. نویسنده مدلی را برای پیش‌بینی ارقام توزیع برای شاخص سهام آلمان (DAX) به معنای مفهوم رابط توسعه می‌دهد. تابع توزیع که به این روش تنظیم شده است، اظهاراتی در مورد رفتار پهنای باند آینده در اندازه، یعنی ریسک، ارائه می دهد و نقاط شروعی را برای طیف گسترده ای از استراتژی های استقرار ارائه می دهد. در مقایسه نهایی، مدل توزیع و مدل‌های بهینه‌سازی استراتژی مستقیم با هم مقایسه می‌شوند و مفهوم رابط توسعه‌یافته جایگزین مناسبی است.

Neuronale Netze bieten gegenüber konventionellen Prognoseverfahren des Finanzmarktes Vorteile in der Differenzierung vieler, auch nicht linearer Einflußgrößen des Marktgeschehens. Schwerpunktmäßig werden sie im Bereich der zeitpunktorientierten Erwartungswertprognosen eingesetzt. Susanne Baun analysiert die Einsatzmöglichkeiten neuronaler Modelle im Bereich der zeitraumorientierten Verteilungsprognosen. Die Autorin entwickelt für den deutschen Aktienindex (DAX) ein Modell zur Prognose von Verteilungsmaßzahlen in Sinne eines Interface-Konzepts. Die so aufgestellte Verteilungsfunktion liefert Aussagen über das zukünftige Bandbreitenverhalten der Größe, d.h. das Risiko, und bietet Ansatzflächen für ein breites Spektrum an Einsatzstrategien. Im abschließenden Vergleich werden das Verteilungsmodell und Modelle der direkten Strategieoptimierung einander gegenübergestellt, wobei sich das entwickelte Interface-Konzept als adäquate Alternative erweist.